DE102015120991A1 - Method and device for wear estimation and maintenance planning for connected vehicle systems - Google Patents
Method and device for wear estimation and maintenance planning for connected vehicle systems Download PDFInfo
- Publication number
- DE102015120991A1 DE102015120991A1 DE102015120991.8A DE102015120991A DE102015120991A1 DE 102015120991 A1 DE102015120991 A1 DE 102015120991A1 DE 102015120991 A DE102015120991 A DE 102015120991A DE 102015120991 A1 DE102015120991 A1 DE 102015120991A1
- Authority
- DE
- Germany
- Prior art keywords
- wear
- data
- vehicle
- processor
- projected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims description 70
- 238000012423 maintenance Methods 0.000 title abstract description 18
- 238000013439 planning Methods 0.000 title description 3
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 230000008439 repair process Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000001747 exhibiting effect Effects 0.000 claims 3
- 230000008569 process Effects 0.000 description 37
- 238000004891 communication Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000002783 friction material Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
- B60S5/00—Servicing, maintaining, repairing, or refitting of vehicles
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Braking Arrangements (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
Ein System beinhaltet einen Prozessor, der dazu konfiguriert ist, ein Fahrzeug identifizierende Daten zu empfangen. Der Prozessor ist außerdem dazu konfiguriert, mit Systemverschleiß zusammenhängende Daten von einem Fahrzeugsystemnutzungsereignis zu empfangen. Der Prozessor ist weiterhin dazu konfiguriert, mit Systemverschleiß zusammenhängende Daten zu aggregieren. Zudem ist der Prozessor dazu konfiguriert, mit Systemverschleiß zusammenhängende Daten mit Daten zu vergleichen, die von Fahrzeugen erfasst wurden, für die tatsächliche Verschleißmessungen vorgenommen wurden, um einen projizierten Systemverschleißzustand zu bestimmen. Darüber hinaus ist der Prozessor konfiguriert, um zu bestimmen, ob der projizierte Verschleißzustand einen Austauschgrenzwert übersteigt, und eine Systempflege auf der Basis dessen, dass der projizierte Verschleißzustand den Austauschgrenzwert überschritten hat, zu empfehlen.A system includes a processor configured to receive vehicle identifying data. The processor is also configured to receive system wear-related data from a vehicle system utilization event. The processor is further configured to aggregate system wear-related data. In addition, the processor is configured to compare system wear-related data with data collected from vehicles for which actual wear measurements have been made to determine a projected system wear condition. In addition, the processor is configured to determine if the projected wear condition exceeds an exchange threshold and to recommend a system maintenance based on the projected wear condition exceeding the replacement threshold.
Description
TECHNISCHES GEBIETTECHNICAL AREA
Die veranschaulichenden Ausführungsformen betreffen im Allgemeinen ein Verfahren und eine Vorrichtung zur Verschleißschätzung und Wartungsplanung für angeschlossene Fahrzeugsysteme.The illustrative embodiments generally relate to a method and apparatus for wear estimation and maintenance planning for connected vehicle systems.
HINTERGRUNDBACKGROUND
Das Internet der Dinge, das beispielsweise ein angeschlossenes Fahrzeug beinhaltet, schafft wegweisende Möglichkeiten für Fahrzeugservice und -wartung. Die Möglichkeit zum Liefern von Kommunikation von dem Fahrzeug mit dem Originalhersteller und mit dem Händler und zum Liefern von schneller und flexibler Kommunikation zurück mit dem Fahrer sorgt für ein Kundendienstniveau, das in der Vorgeschichte nicht erreicht wurde. Fahrzeugkonnektivität ermöglicht eine bessere Antizipation von Kundenbedürfnissen und On-Demand-Kunden- und Fahrzeugkommunikation, was zu Möglichkeiten zur Verbesserung der Kundenzufriedenheit und Markentreue führt.The Internet of Things, which for example includes a connected vehicle, creates trailblazing opportunities for vehicle service and maintenance. The ability to provide communication from the vehicle to the original manufacturer and to the dealer and to provide fast and flexible communication back to the driver provides a level of customer service that has not been achieved in the past. Vehicle connectivity enables better anticipation of customer needs and on-demand customer and vehicle communications, leading to ways to improve customer satisfaction and brand loyalty.
Verschiedene Strategien zum Bereitstellen eines Schätzwerts der Bremsklotzdicke wurden entwickelt. Ein Verfahren setzt eine Fusion von Sensoren, sofern diese verwendet werden, und eine Fahrerbremsmodellbildung zum Vorhersagen der Fahrzeugbremsklotzlebensdauer ein. Ein Algorithmus wird eingesetzt, der verschiedene Eingaben verwendet, wie Bremsklotzreibmaterialien, Bremsklotzabkühlrate, Bremsentemperatur, Fahrzeugmasse, Straßenqualität, Gewichtsverteilung, Bremsdruck, Bremsenergie, Bremsleistung usw., um die Schätzung bereitzustellen. Das Verfahren berechnet die Bremsarbeit unter Verwendung der gesamten Arbeit abzüglich Verlusten, wie Luftwiderstand, Motorbremse und/oder Bremsleistung, als das Bremsmoment multipliziert mit der Geschwindigkeit dividiert durch den Rollwiderstand, um die Bremsscheiben- und -belagtemperatur zu bestimmen. Das Verfahren verwendet dann die Bremsentemperatur dazu, den Bremsklotzverschleiß zu bestimmen, wobei der Verschleiß für jedes Bremsereignis akkumuliert wird. Ein Bremsklotzsensor kann eingebunden werden, um eine oder mehrere Angaben der Bremsklotzdicke bereitzustellen, anhand derer die Schätzung überarbeitet werden kann.Various strategies for providing an estimate of brake pad thickness have been developed. One method employs a fusion of sensors, if used, and driver brake modeling to predict vehicle brake pad life. An algorithm is used that uses various inputs, such as brake pad friction materials, brake pad cooling rate, brake temperature, vehicle mass, road grade, weight distribution, brake pressure, braking energy, braking power, etc., to provide the estimate. The method calculates the brake work using the total work minus losses, such as drag, engine brake and / or brake power, as the brake torque multiplied by the speed divided by the rolling resistance to determine the brake disk and pad temperature. The method then uses the brake temperature to determine the brake pad wear, accumulating the wear for each brake event. A brake pad sensor may be incorporated to provide one or more pad thickness indications that may be used to rework the estimate.
In einer anderen Strategie beinhalten ein System und ein Verfahren zur Verbesserung von Fahrzeugdiagnose- und -prognosealgorithmen und Verbesserung von Fahrzeugwartungspraktiken das Sammeln von Daten von Fahrzeugkomponenten, -untersystemen und -systemen und das Speichern der gesammelten Daten in einer Datenbank. Die gesammelten und gespeicherten Daten können von mehreren Quellen für ähnliche Fahrzeuge oder ähnliche Komponenten stammen und können verschiedene Typen von Fehlercodes und Arbeitscodes sowie andere Informationen, wie Betriebsdaten und Ausfallmechanismusdaten, beinhalten, die miteinander fusioniert werden. Das Verfahren erzeugt Klassen für unterschiedliche Fahrzeugkomponenten, -untersysteme und -systeme und erstellt Merkmalextraktoren für jede Klasse unter Verwendung von Datamining-Techniken der Daten, die in der Datenbank gespeichert sind. Das Verfahren erzeugt außerdem Klassifikatoren, die die Merkmale für jede Klasse klassifizieren. Die Merkmalextraktoren und Merkmalklassifikatoren werden verwendet, um zu bestimmen, wenn ein Fehlerzustand für eine Fahrzeugkomponente, ein Fahrzeuguntersystem oder ein Fahrzeugsystem aufgetreten ist.In another strategy, a system and method for improving vehicle diagnostic and predictive algorithms and improving vehicle maintenance practices include collecting data from vehicle components, subsystems, and systems and storing the collected data in a database. The collected and stored data may be from multiple sources for similar vehicles or similar components and may include various types of error codes and work codes as well as other information such as operational data and failure mechanism data that are merged together. The method generates classes for different vehicle components, subsystems and systems and builds feature extractors for each class using data mining techniques of the data stored in the database. The method also generates classifiers that classify the characteristics for each class. The feature extractors and feature classifiers are used to determine when a fault condition has occurred for a vehicle component, vehicle subsystem, or vehicle system.
KURZDARSTELLUNGSUMMARY
In einer ersten veranschaulichenden Ausführungsform beinhaltet ein System einen Prozessor, der dazu konfiguriert ist, ein Fahrzeug identifizierende Daten zu empfangen. Der Prozessor ist außerdem dazu konfiguriert, mit Systemverschleiß zusammenhängende Daten von einem Fahrzeugsystemnutzungsereignis zu empfangen. Der Prozessor ist weiterhin dazu konfiguriert, mit Systemverschleiß zusammenhängende Daten zu aggregieren. Zudem ist der Prozessor dazu konfiguriert, mit Systemverschleiß zusammenhängende Daten mit Daten zu vergleichen, die von Fahrzeugen erfasst wurden, für die tatsächliche Verschleißmessungen vorgenommen wurden, um einen projizierten Systemverschleißzustand zu bestimmen. Darüber hinaus ist der Prozessor konfiguriert, um zu bestimmen, ob der projizierte Verschleißzustand einen Austauschgrenzwert übersteigt, und eine Systempflege auf der Basis dessen, dass der projizierte Verschleißzustand den Austauschgrenzwert überschritten hat, zu empfehlen.In a first illustrative embodiment, a system includes a processor configured to receive vehicle identifying data. The processor is also configured to receive system wear-related data from a vehicle system utilization event. The processor is further configured to aggregate system wear-related data. In addition, the processor is configured to compare system wear-related data with data collected from vehicles for which actual wear measurements have been made to determine a projected system wear condition. In addition, the processor is configured to determine whether the projected wear condition exceeds an exchange threshold and system maintenance based on the projected wear condition the exchange limit has been exceeded, recommended.
In einer zweiten veranschaulichenden Ausführungsform beinhaltet ein System einen Prozessor, der dazu konfiguriert ist, ein Fahrzeug identifizierende Daten zu empfangen. Der Prozessor ist außerdem dazu konfiguriert, mit Bremsenverschleiß zusammenhängende Daten von einem Fahrzeugsystemnutzungsereignis zu empfangen. Des Weiteren ist der Prozessor dazu konfiguriert, mit Bremsenverschleiß zusammenhängende Daten zu aggregieren. Der Prozessor ist darüber hinaus dazu konfiguriert, mit Bremsenverschleiß zusammenhängende Daten mit Daten zu vergleichen, die von Fahrzeugen erfasst wurden, für die tatsächliche Verschleißmessungen vorgenommen wurden, um einen projizierten Bremsenverschleißzustand zu bestimmen. Des Weiteren ist der Prozessor konfiguriert, um zu bestimmen, ob der projizierte Verschleißzustand einen Austauschgrenzwert übersteigt, und eine Systempflege auf der Basis dessen, dass der projizierte Verschleißzustand den Austauschgrenzwert überschritten hat, zu empfehlen.In a second illustrative embodiment, a system includes a processor configured to receive vehicle identifying data. The processor is also configured to receive brake wear related data from a vehicle system usage event. Furthermore, the processor is configured to aggregate brake wear related data. The processor is further configured to compare brake wear related data to data acquired from vehicles for which actual wear measurements have been made to determine a projected brake wear condition. Further, the processor is configured to determine if the projected wear condition exceeds an exchange threshold and to recommend a system maintenance based on the projected wear condition exceeding the replacement threshold.
In einer dritten veranschaulichenden Ausführungsform speichert ein nichtflüchtiges, computerlesbares Speichermedium Anweisungen, die bei Ausführung bewirken, dass ein Prozessor ein Verfahren durchführt, das das Empfangen von ein Fahrzeug identifizierenden Daten beinhaltet. Das Verfahren beinhaltet außerdem das Empfangen von mit Systemverschleiß zusammenhängenden Daten von einem Fahrzeugsystemnutzungsereignis. Des Weiteren beinhaltet das Verfahren das Aggregieren von mit Systemverschleiß zusammenhängenden Daten und das Vergleichen von mit Systemverschleiß zusammenhängenden Daten mit Daten, die von Fahrzeugen erfasst wurden, für die tatsächliche Verschleißmessungen vorgenommen wurden, um einen projizierten Systemverschleißzustand zu bestimmen. Außerdem beinhaltet das Verfahren das Bestimmen, ob der projizierte Verschleißzustand einen Austauschgrenzwert übersteigt, und das Empfehlen einer Systempflege auf der Basis dessen, dass der projizierte Verschleißzustand den Austauschgrenzwert überschritten hat.In a third illustrative embodiment, a non-transitory computer-readable storage medium stores instructions that, when executed, cause a processor to perform a method that includes receiving data identifying a vehicle. The method also includes receiving system wear-related data from a vehicle system utilization event. Further, the method includes aggregating system wear-related data and comparing system-wear-related data with data collected from vehicles for which actual wear measurements have been made to determine a projected system wear condition. In addition, the method includes determining whether the projected state of wear exceeds an exchange limit and recommending system maintenance based on the projected state of wear exceeding the replacement limit.
KURZE BESCHREIBUNG DER ZEICHNUNGENBRIEF DESCRIPTION OF THE DRAWINGS
AUSFÜHRLICHE BESCHREIBUNGDETAILED DESCRIPTION
Detaillierte Ausführungsformen der vorliegenden Erfindung sind erforderlichenfalls hierin offenbart; es versteht sich jedoch, dass die offenbarten Ausführungsformen lediglich beispielhaft für die Erfindung sind, die in verschiedenen und alternativen Formen verkörpert werden kann. Die Figuren sind nicht unbedingt maßstabsgetreu; einige Merkmale können übertrieben oder minimiert sein, um Einzelheiten bestimmter Komponenten zu zeigen. Folglich sollten hierin offenbarte spezifische strukturelle und funktionelle Einzelheiten nicht als einschränkend betrachtet werden, sondern lediglich als eine repräsentative Grundlage, um einem Fachmann das verschiedenartige Einsetzen der vorliegenden Erfindung zu lehren.Detailed embodiments of the present invention are disclosed herein if necessary; however, it should be understood that the disclosed embodiments are merely exemplary of the invention, which may be embodied in various and alternative forms. The figures are not necessarily to scale; some features may be exaggerated or minimized to show details of particular components. Thus, specific structural and functional details disclosed herein should not be considered as limiting, but merely as a representative basis for teaching one skilled in the art to variously employ the present invention.
In der in
Der Prozessor ist außerdem mit einer Reihe unterschiedlicher Eingänge versehen, die dem Benutzer ermöglichen, eine Verbindung mit dem Prozessor herzustellen. In dieser veranschaulichenden Ausführungsform sind ein Mikrofon
Ausgänge zu dem System können eine optische Anzeige
In einer veranschaulichenden Ausführungsform verwendet das System
Eine beispielhafte Kommunikation zwischen dem nomadischen Gerät und dem BLUETOOTH-Transceiver ist durch ein Signal
Das Verbinden (Paaren) eines nomadischen Geräts
Daten können zwischen dem CPU
In einer veranschaulichenden Ausführungsform ist der Prozessor mit einem Betriebssystem versehen, das eine API beinhaltet, um mit Modemanwendungssoftware zu kommunizieren. Die Modemanwendungssoftware kann auf ein eingebettetes Modul oder Firmware auf dem BLUETOOTH-Transceiver zugreifen, um eine drahtlose Kommunikation mit einem entfernten BLUETOOTH-Transceiver (wie dem in einem nomadischen Gerät vorgefundenen) abzuschließen. Bluetooth ist eine Untermenge der
In einer anderen Ausführungsform beinhaltet das nomadische Gerät
In einer Ausführungsform können eingehende Daten durch das nomadische Gerät über eine Data-over-Voice-Verbindung oder einen Datenplan, durch den Bord-BLUETOOTH-Transceiver und in den internen Prozessor
Zu zusätzlichen Quellen, die eine Verbindung mit dem Fahrzeug herstellen können, zählen ein persönliches Navigationsgerät
Des Weiteren könnte der CPU in Kommunikation mit einer Vielfalt von anderen Hilfsgeräten
Zudem oder alternativ dazu könnte der CPU mit einem fahrzeugbasierten drahtlosen Router
Zusätzlich zu beispielhaften Vorgängen, die von einem Fahrzeugdatenverarbeitungssystem ausgeführt werden, das sich in einem Fahrzeug befindet, können die beispielhaften Vorgänge in bestimmten Ausführungsformen von einem Datenverarbeitungssystem in Kommunikation mit einem Fahrzeugdatenverarbeitungssystem ausgeführt werden. Ein derartiges System kann ein drahtloses Gerät (z. B. und ohne Einschränkung ein Mobiltelefon) oder ein entferntes Datenverarbeitungssystem (z. B. und ohne Einschränkung ein Server), das durch das drahtlose Gerät verbunden ist, beinhalten, ist jedoch nicht darauf beschränkt. Zusammengefasst können derartige Systeme als mit einem Fahrzeug assoziierte Datenverarbeitungssysteme (vehicle-associated computing systems, VACS) bezeichnet werden. In bestimmten Ausführungsformen können bestimmte Komponenten des VACS bestimmte Teile eines Vorgangs in Abhängigkeit von der bestimmten Implementierung des Systems durchführen. Beispielhaft und nicht einschränkend, wenn ein Vorgang einen Schritt des Sendens oder Empfangens von Informationen mit einem verbundenen (gepaarten) drahtlosen Gerät aufweist, ist es wahrscheinlich, dass das drahtlose Gerät nicht jenen Teil des Vorgangs durchführt, da das drahtlose Gerät Informationen nicht sich selbst bzw. von sich selbst „senden und empfangen“ würde. Ein Durchschnittsfachmann wird verstehen, wann es unangebracht ist, ein bestimmtes Datenverarbeitungssystem für eine gegebene Lösung anzuwenden.In addition to exemplary operations performed by a vehicle computing system residing in a vehicle, in certain embodiments, the example operations may be performed by a computing system in communication with a vehicle computing system. Such a system may include, but is not limited to, a wireless device (eg, and without limitation, a mobile phone) or a remote data processing system (eg, and without limitation, a server) connected by the wireless device. In summary, such systems may be referred to as vehicle-associated computing systems (VACS). In certain embodiments, certain components of the VACS may perform certain portions of an operation depending on the particular implementation of the system. By way of example and not limitation, when a process includes a step of sending or receiving information with a connected (paired) wireless device, it is likely that the wireless device will not perform that portion of the process because the wireless device does not provide information to itself would "send and receive" from himself. One of ordinary skill in the art will understand when it is inappropriate to apply a particular data processing system for a given solution.
In jeder der hierin erörterten veranschaulichenden Ausführungsformen ist ein beispielhaftes, nicht einschränkendes Beispiel eines Vorgangs gezeigt, der durch ein Datenverarbeitungssystem durchführbar ist. In Bezug auf jeden Vorgang ist es möglich, dass das Datenverarbeitungssystem den Vorgang ausführt, um für den begrenzten Zweck des Ausführens des Vorgangs als ein Spezialprozessor konfiguriert zu werden, um den Vorgang durchzuführen. Es müssen nicht alle Vorgänge in ihrer Gesamtheit durchgeführt werden und sie verstehen sich als Beispiele von Typen von Vorgängen, die durchgeführt werden können, um Elemente der Erfindung zu erzielen. Zusätzliche Schritte können den beispielhaften Vorgängen auf Wunsch hinzugefügt oder aus diesen entfernt werden.In each of the illustrative embodiments discussed herein, an exemplary, non-limiting example of an operation performed by a data processing system is shown. With respect to each operation, it is possible for the data processing system to perform the operation to be configured as a special purpose processor for the limited purpose of performing the operation to perform the operation. Not all processes must be performed in their entirety and are to be understood as examples of types of operations that may be performed to achieve elements of the invention. Additional steps may be added to or removed from the example operations.
In Bezug auf die Bremsen beinhalten fahrzeugmessbare Daten Fahrzeugabbremsung, Fahrzeuggeschwindigkeit, Umgebungstemperatur, Umgebungsluftfeuchtigkeit, Fahrzeugstandort, abrupte Halte, Gierrate, laterale Beschleunigung, Einsatz der Bremsen usw., sind jedoch nicht darauf beschränkt. Diese Informationen können von Fahrzeugsensoren abgerufen und einem Fahrzeugnetz, wie dem CAN-Netz, bereitgestellt werden. Die Telematiksteuereinheit oder ein anderes Modem/Kommunikation bereitstellendes Gerät kann Nachrichten, die diese Daten enthalten, von dem CAN oder einem anderen Fahrzeugnetz herunterladen und die Daten zu einem entfernten Server transportieren. In anderen mechanischen Systemen können messbare mechanische Daten mit einer deutlichen Korrelation mit der Abnutzung des mechanischen Systems (verschiedene Kräfte, die während der Nutzung ausgeübt werden, und Gesamtnutzung, was kombinatorisch generisch als ein Arbeitszyklus bezeichnet wird) gemessen und wie in Bezug auf die Bremsanlage erörtert dazu verwendet werden, den Verschleiß an dem mechanischen System zu schätzen. Auf ähnliche Weise können bei elektrischen Systemen, bei denen die Nutzung und elektrische Messwerte mit einer Abnutzung in dem elektrischen System korrelieren, diese Faktoren als ein Vertreter für den „Verschleiß“ an dem System gemäß den veranschaulichenden Ausführungsformen verwendet werden.With respect to the brakes, vehicle measurable data includes, but is not limited to, vehicle deceleration, vehicle speed, ambient temperature, ambient humidity, vehicle location, abrupt stops, yaw rate, lateral acceleration, application of the brakes, and so forth. This information can be retrieved from vehicle sensors and provided to a vehicle network, such as the CAN network. The telematics controller or other modem / communication providing device may download messages containing this data from the CAN or other vehicle network and transport the data to a remote server. In other mechanical systems, measurable mechanical data can be measured with a clear correlation with the wear of the mechanical system (various forces exerted during use and overall usage, which is generically referred to as a duty cycle) and discussed with respect to the brake system be used to estimate the wear on the mechanical system. Similarly, in electrical systems where usage and electrical measurements correlate with wear in the electrical system, these factors may be used as a representative of "wear" on the system according to the illustrative embodiments.
Der entfernte Server
Durch Bereitstellen dieser Berechnung für eine große Anzahl von Fahrzeugen kann ein statistisches Modell von Wartungsereignissen in Abhängigkeit von dem Fahrzeugarbeitszyklus und dem Fahrzeugstandort/der Fahrzeugumgebung erhalten werden. Ein Überwachungssystem
Für alle Fahrzeuge in einem gegebenen Überwachungssatz (der „Flotte“) können Arbeitszyklusdaten kontinuierlich zu verhältnismäßig geringen Kosten überwacht werden. Dies bezieht in der Regel existierende Sensoren und Berechnungen ein, die auf der Basis von Daten gemacht werden können, die unter Verwendung von derzeit installierten Fahrzeugsystemen beobachtbar sind. Bei dem Bremsenmodell wird beispielsweise abgeleitete Energie als das Integral der Fahrzeugabbremsung multipliziert mit der Masse im Zeitablauf gemessen, was in dem Delta zwischen der Fahrzeugbewegungsenergie vor und nach einem Bremsereignis resultiert. Da die Fahrzeugmasse im Allgemeinen bekannt ist und die Abbremsung einfach gemessen werden kann, sind keine zusätzlichen Sensoren in einem Fahrzeug erforderlich, um diese Daten zu erhalten.For all vehicles in a given monitoring set (the "fleet"), duty cycle data can be continuously monitored at a relatively low cost. This typically involves existing sensors and computations that can be made on the basis of data observable using currently installed vehicle systems. In the brake model, for example, derived energy is measured as the integral of vehicle deceleration multiplied by mass over time, resulting in the delta between vehicle motive energy before and after a brake event. Since the vehicle mass is generally known and the deceleration can be easily measured, no additional sensors in a vehicle are required to obtain this data.
Die Daten selbst werden mit anderen zuvor gemessenen und beobachteten Daten aggregiert, um einen aggregierten „Arbeitszyklus“ (d. h. die Nutzung und während der Nutzung beobachtete anwendbare Kräfte) für das Fahrzeug bis zum aktuellen Zeitpunkt (oder beispielsweise von einer letzten Systemreparatur bis zum aktuellen Zeitpunkt) zu entwickeln. Dieser Arbeitszyklus kann mit bekannten Grenzwerten für ähnliche Fahrzeuge verglichen werden, die erhalten wurden, indem tatsächliche Verschleißwerte von einem ausgewählten Teilsatz von Fahrzeugen genommen und die tatsächlichen Arbeitszyklen, die mit diesen Verschleißwerten assoziiert sind, notiert wurden. Diese tatsächlichen Verschleißwerte müssen nicht für alle Fahrzeuge gemessen werden; es reicht aus, die Werte für einen gewissen Teilsatz von ähnlich ausgerüsteten Fahrzeugen zu messen und die wahrscheinlichen Verschleißwerte an ähnlichen Fahrzeugen mit ähnlichen Arbeitszykluswerten zu extrapolieren. Wenn die gemessenen Daten für ein gegebenes Fahrzeug auf eine Wahrscheinlichkeit (auf der Basis des gemessenen Arbeitszyklus des Fahrzeugs im Vergleich zu dem Arbeitszyklus eines Fahrzeugs, von dem explizit bekannt ist, dass es einen Systemverschleiß mit dem Messwert zeigt) eines Systemverschleißes, der eine Reparatur erfordert, hinweisen, kann eine Serviceempfehlung erzeugt werden.The data itself is aggregated with other previously measured and observed data to provide an aggregated "work cycle" (ie, usage and observed applicable forces during use) for the vehicle up to the current time (or, for example, from a recent system repair to the current time). to develop. This duty cycle may be compared to known thresholds for similar vehicles obtained by taking actual wear values from a selected subset of vehicles and recording the actual work cycles associated with those wear values. These actual wear values do not have to be measured for all vehicles; it is sufficient to measure the values for a certain subset of similarly equipped vehicles and to extrapolate the likely wear values on similar vehicles with similar duty cycle values. If the measured data for a given vehicle is based on a probability (based on the measured duty cycle of the vehicle compared to the duty cycle of a vehicle that is explicitly known to exhibit system wear with the measurement) of system wear that is a Requires repair, point out, a service recommendation can be generated.
Sobald die Serviceempfehlung erzeugt wurde, kann sie an einen Werkstattsystemmanagement-Broker
Sobald der Kunde einen verfügbaren Zeitschlitz akzeptiert, kann der Vorgang eine Antwort
In den veranschaulichenden Beispielen wird der Service auf der Basis eines geschätzten Erfordernisses einer Bremsenreparatur auf der Basis des geschätzten Verschleißes durchgeführt. Dementsprechend kann es von Nutzen sein, den tatsächlichen Verschleiß an den Bremsklötzen zu prüfen, um zu bestimmen, wie genau der Verschleißschätzwert tatsächlich war. Sobald die Bremsklötze ausgetauscht wurden, können diese Daten
In dieser veranschaulichenden Ausführungsform kann beispielsweise eine augenblickliche Umgebungstemperatur
Die augenblickliche Elevation
Gleichzeitig führen Inspektionsereignisse
Das in
In dem Bremsbeispiel kann der Vorgang beispielsweise, ohne Einschränkung, periodisch das Fahrzeug anweisen, einen Bremsweg in Bezug auf die Bremskraft zu messen. Auf der Basis der aufgezeichneten beobachteten Daten für ähnliche Fahrzeuge können diese gemessenen Daten dazu verwendet werden, eine Verminderung der Bremsklötze zu bestimmen. Dies kann beispielsweise durch einen Vergleich der gemessenen Daten mit Daten erzielt werden, die in Fahrzeugen gemessen wurden, für die der Verschleiß tatsächlich auch gemessen wurde. Diese und ähnliche Vergleiche können mindestens eine grobe Schätzung der Genauigkeit von Modellen für den Verschleiß ergeben. Andere Variable und deren jeweiliger Nutzen können sich im Zeitablauf ändern und durch eine dynamische Modifizierung der erfassten Daten kann das System die Datenerfassung relevant und nützlich bewahren.For example, in the brake example, the process may periodically command the vehicle to measure a braking distance with respect to the braking force. Based on the recorded observed data for similar vehicles, these measured data can be used to determine a reduction in brake pads. This can be achieved, for example, by comparing the measured data with data measured in vehicles for which wear has actually been measured. These and similar comparisons can give at least a rough estimate of the accuracy of models of wear. Other variables and their respective benefits may change over time, and by dynamically modifying the collected data, the system may retain data collection relevant and useful.
Jegliche erfassten Daten können auf Wunsch zusammen mit einer relevanten Fahrzeugidentifizierung und relevanten Zeitstempeln in das Überwachungssystem zur Beurteilung exportiert werden
Falls und wenn eine Wartung erforderlich ist, kann der Vorgang mit einem Händler-/Werkstattmanagementsystem kommunizieren, um ein Serviceangebot zu empfangen
Wenn zu diesem Zeitpunkt keine Serviceoption ausgewählt wird, kann der Vorgang in periodischen Intervallen fortfahren, um einen Service anzubieten, bis die Angebote ignoriert/deaktiviert werden oder ein Service anderswo (außerhalb der automatischen Planungsoptionen, obwohl der Service bei einem Händler durchgeführt werden könnte, der durch die automatischen Planungsoptionen identifiziert ist, und mittels einer unterschiedlichen Weise geplant werden könnte) durchgeführt wird
Die Optionen zur Planung können dem Kunden auf auswählbare Weise präsentiert werden. Dem Kunden kann beispielsweise, ohne Einschränkung, ein durch Sprache auswählbaren Satz von Optionen, ein durch Berührung auswählbarer Satz von Optionen, eine Scroll-und-Auswahl-Liste usw. präsentiert werden. Die Optionen können auch optisch oder akustisch präsentiert werden. Der Kunde wählt in diesem Beispiel eine der präsentierten Optionen aus
Ein Modell kann beispielsweise, ohne Einschränkung, projizieren, dass ein Satz von Klötzen zu 70 % verschlissen ist und dass die Bremssättel repariert werden müssen, auf der Basis von Daten, die über das Leben der Bremsen beobachtet wurden, wenn sie durch Modellbildung verarbeitet werden, die aus gleichen oder ähnlichen Fahrzeugen und/oder in ähnlichen Umgebungen entwickelt wurde. Bei der tatsächlichen Reparatur kann beobachtet werden, dass die Sättel funktionsfähig und nutzbar sind und die Klötze nur zu 55 % verschlissen sind. Diese Daten können dazu verwendet werden, das Modell zu verfeinern, entweder allgemein und/oder für das spezifische Fahrzeug, die spezifische Fahrzeugmarke/das spezifische Fahrzeugmodell usw. Das spezifische Fahrzeugmodell kann durch die beobachteten Daten drastischer beeinflusst werden als ein verallgemeinertes Modell, das Daten von einer Reihe von Fahrzeugen erfordern kann, bevor eine drastische Justierung vorgenommen wird, um eine Verfälschung der Daten durch Ausreißer zu vermeiden. Durch Verwenden von verallgemeinerten Modellen verschiedener Typen (Verschleiß durch die Umgebung, Verschleiß der Marke/des Modells, Verschleiß der Fahrzeugklasse) und/oder fahrzeugspezifischen Modellen auf der Basis der beobachteten Auswirkung von fahrzeugspezifischen Faktoren kann der Vorgang im Zeitablauf verfeinert werden und verschiedene Beeinträchtigungen des Bremsens können für einen spezifischen Satz von Bremsklötzen modelliert werden.For example, a model may project, without limitation, that a set of blocks are 70% worn and that the calipers need to be repaired based on data observed about the life of the brakes when processed through modeling. which was developed from the same or similar vehicles and / or in similar environments. During the actual repair it can be observed that the saddles are functional and usable and the blocks are only 55% worn. These data can be used to refine the model, either general and / or for the specific vehicle, the specific vehicle make / model, etc. The specific vehicle model can be more drastically influenced by the observed data than a generalized model that collects data from may require a number of vehicles before making a drastic adjustment to avoid outlier corruption. By using generalized models of various types (environmental wear, brand / model wear, vehicle class wear) and / or vehicle specific models based on the observed impact of vehicle-specific factors, the process can be refined over time and various braking impairments can be modeled for a specific set of brake pads.
In diesem veranschaulichenden Beispiel werden Fahrzeugdaten in Bezug auf ein abbremsendes Fahrzeug erfasst. Die Daten werden an einem Verarbeitungspunkt empfangen, an dem eine Modellbildung durchgeführt wird. In diesem veranschaulichenden Beispiel ist dies ein Überwachungssystem und die Fahrzeugdaten wurden mittels einer drahtlosen Verbindung an das Überwachungssystem übertragen. In anderen Beispielen könnte der Modellbildungsvorgang direkt auf einem tragbaren Gerät oder in einem Fahrzeugcomputer ausgeführt werden, wenn die Verarbeitungskapazität ausreicht. Aktualisierungen eines entfernt gespeicherten Modells könnten an den lokal ausgeführten Modellbildungsvorgang übertragen werden, falls angemessen.In this illustrative example, vehicle data relating to a decelerating vehicle is detected. The data is received at a processing point at which modeling is performed. In this illustrative example, this is a monitoring system and the vehicle data has been transmitted to the monitoring system via a wireless connection. In other examples, the modeling process could be performed directly on a portable device or in a vehicle computer if the processing capacity is sufficient. Updates to a remotely stored model could be propagated to the locally running modeling process, if appropriate.
Der Vorgang empfängt Fahrzeugdaten
Neben den Fahrzeugdaten kann der Vorgang Bremsdaten
Die Bremsdaten-Verschleißberechnungen können für das Fahrzeug
Da der tatsächliche Verschleiß an einer Untermenge (im Gegensatz zu der Gesamtmenge) einer Fahrzeugpopulation gemessen werden kann, kann eine Verschleißmodellbildung durch Anwendung einer Variation des Kaplan-Meier-Produkt-Limit-Schätzers erzielt werden. In Kaplan-Meier ist S(t) die Wahrscheinlichkeit, dass ein Element aus einer gegebenen Population einen Lebensdauerverschleiß haben wird, der t übersteigt. Aus einer Musterpopulation mit der Größe N kann die beobachtete Anzahl von N Mustermitgliedern wie folgt dargestellt werden:
Entsprechend der Lehre ist ti ni, die Anzahl von „Gefährdeten“ unmittelbar vor der Zeit ti, und di die Anzahl von Toden zur Zeit ti (Tod = Austausch erfordernder Verschleiß). Der Kaplan-Meier-Schätzer ist der nichtparametrische Schätzwert der maximalen Wahrscheinlichkeit von S(t). Er ist ein Produkt der Form: According to the teaching, t i n i , the number of "vulnerable" just before time t i , and d i the number of deaths at time t i (death = wear requiring wear). The Kaplan-Meier estimator is the nonparametric estimate of the maximum probability of S (t). He is a product of the form:
Diese Gleichung kann dazu verwendet werden, die Wahrscheinlichkeit zu schätzen, dass ein System aus der Gruppe von Fahrzeugen einen Verschleiß aufweisen wird, der t übersteigt.This equation can be used to estimate the probability that a system of the group of vehicles will experience wear that exceeds t.
Ebenfalls verwendet wird ein modifiziertes Überleben-Regression-Modell. Dieses wird in der Regel in klinischen Umgebungen verwendet, um die Wahrscheinlichkeit zu zeigen, dass ein Patient eine Krebserkrankung nach einer Behandlung x überlebt, und die Basisformel lautet:
Festgelegte Kovariaten werden durch Folgendes dargestellt:
Zeitabhängige Kovariaten werden durch Folgendes dargestellt: Time-dependent covariates are represented by the following:
Diese Formel kann auf eine Verschleißkontext-Formel modifiziert werden: wobei w der Bremsklotzverschleiß ist, Φ[] die normale Standard-KVF für Normal und Log-Normalverteilungen und den kleinsten Extremwert-KVF für die Weibull-Verteilung ist; µ, σ der Positions- bzw. Maßstabparameter der Verschleißverteilung ist, x der Vektor erklärender Werte ist (z. B., ohne Einschränkung, verbrauchte Energie, Temperatur, Luftfeuchtigkeit usw.).This formula can be modified to a wear context formula: where w is the pad wear, Φ [] is the normal standard KVF for normal and log normal distributions and the minimum extreme KVF for the Weibull distribution; μ, σ is the position or scale parameter of the distribution of wear, x is the vector of explanatory values (eg, without limitation, consumed energy, temperature, humidity, etc.).
In dieser modifizierten Formel werden die festgelegten Kovariaten durch Folgendes dargestellt:
Unter Verwendung dieser Formeln ist es möglich, die Wahrscheinlichkeit des Verschleißes an einem Fahrzeug zu modellieren, der einen vorherbestimmten Grenzwert (der für jede Fahrzeugidentifizierungsnummer (FIN) aufgezeichnet wurde) übersteigt. Diese Formeln können auch dazu verwendet werden, für jedes Fahrzeug (was eine hohe Anzahl von Fahrzeugen beinhaltet, für die tatsächliche Verschleißdaten nie gemessen, lediglich extrapoliert wurden) die projizierte inkrementelle Fahrleistung (auf der Basis einer aufgezeichneten Bahn einer Fahrleistungsakkumulation) bis zu einem kritischen Verschleißpunkt zu bestimmen. Diese Vorhersage kann einem Fahrer und einem Hersteller oder Händler übermittelt werden, so dass eine angemessene Maßnahme, lange bevor das System einen kritischen Verschleißpunkt überschreitet, ergriffen werden kann. Darüber hinaus ist es unter Kenntnis der Bremsenergieakkumulation für jedes Fahrzeug dann möglich, die Anzahl von Tagen vorherzusagen, die bis zu einem kritischen Verschleißpunkt bleiben – wodurch ermöglicht wird, (anhand der FIN) individualisierte Servicetermine in einer Kalenderzeit zu planen.Using these formulas, it is possible to model the probability of wear on a vehicle exceeding a predetermined limit (recorded for each vehicle identification number (FIN)). These formulas can also be used for each vehicle (which includes a large number of vehicles for which actual wear data has never been measured, merely extrapolated) the projected incremental mileage (based on a recorded mileage accumulation path) to a critical wear point to determine. This prediction may be communicated to a driver and a manufacturer or dealer so that an appropriate action can be taken long before the system exceeds a critical wear point. Furthermore With knowledge of the brake energy accumulation for each vehicle, it is then possible to predict the number of days remaining up to a critical wear point - thereby allowing to schedule (via the FIN) individualized service appointments in a calendar time.
In diesem veranschaulichenden Beispiel erfasst der Vorgang wiederum die mit dem Fahrzeug- und Systemverschleiß zusammenhängenden Daten für beliebige passende Fälle der Systemnutzung (in diesem Beispiel Abbremsen). Diese Daten können lokal an dem Fahrzeug aggregiert und auf Wunsch zu spezifizierten Intervallen geliefert werden, um eine Übertragung von Daten und eine Bandbreitennutzung jedes Mal, wenn die Bremsen angewendet werden, zu vermeiden. Der Vorgang nutzt außerdem Modellbildungsalgorithmen, um den geschätzten Verschleiß an dem Fahrzeugsystem zu bestimmen
Wenn an dem Fahrzeug ein Service vorgenommen wird
Wenn die Bremsen tatsächlich einem Service unterzogen werden, kann der Servicestandort die Bremsenkomponenten prüfen und tatsächliche Verschleiß- und Beschädigungsdaten berichten, die von der Modellbildungsmaschine empfangen werden
Wenn beispielsweise, ohne Einschränkung, ausreichende Daten für ein gegebenes Klima empfangen werden, kann beobachtet werden, dass ein Bremsen im Winter in Bedingungen von unter 10 Grad Fahrenheit zu einem höheren Anstieg des Bremsenverschleißes als erwartet führt. Dementsprechend können Schätzwerte, die auf dem Bremsen in derartigen Bedingungen basieren, passend modifiziert werden. Zusätzlich oder alternativ dazu kann das Modell selbst überarbeitet werden, um die beobachtete Änderung für empfangene Daten, die eine Temperaturbedingung unter 10 Grad Fahrenheit beinhalten, zu integrieren.For example, assuming sufficient data is received for a given climate, it can be observed that braking in winter in conditions below 10 degrees Fahrenheit will result in a greater increase in brake wear than expected. Accordingly, estimates based on braking in such conditions may be suitably modified. Additionally or alternatively, the model itself may be revised to incorporate the observed change for received data including a temperature condition below 10 degrees Fahrenheit.
Durch die Verwendung des Modellbildungsvorgangs kann ein Erfordernis eines Bremsenaustauschs genauer vorhergesagt und einem Kunden übermittelt werden. Gleichzeitig können teilnehmende Vertragshändler und Servicestandorte tatsächliche Daten berichten, um den Modellbildungsvorgang zu verbessern. Diese Standorte können auch verfügbare Servicezeitschlitze zur Verwendung durch Kunden, von deren Bremsen projiziert wurde, dass sie eine Reparatur erfordern, bereitstellen.By using the modeling process, a need for brake replacement can be more accurately predicted and communicated to a customer. At the same time, participating dealers and service locations can report actual data to enhance the modeling process. These sites may also provide available service slots for use by customers whose brakes have been projected to require repair.
Obwohl beispielhafte Ausführungsformen oben beschrieben sind, ist nicht beabsichtigt, dass diese Ausführungsformen alle möglichen Formen der Erfindung beschreiben. Vielmehr sind die in der Spezifikation verwendeten Wörter beschreibende und nicht einschränkende Wörter und es versteht sich, dass verschiedene Änderungen vorgenommen werden können, ohne vom Sinn und Schutzumfang der Erfindung abzuweichen. Darüber hinaus können die Merkmale verschiedener Umsetzungsausführungsformen kombiniert werden, um weitere Ausführungsformen der Erfindung zu bilden.Although exemplary embodiments are described above, it is not intended that these embodiments describe all possible forms of the invention. Rather, the words used in the specification are words of description rather than limitation, and it is understood that various changes may be made without departing from the spirit and scope of the invention. Moreover, the features of various implementation embodiments may be combined to form further embodiments of the invention.
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte Nicht-PatentliteraturCited non-patent literature
- IEEE-802-PAN-Protokolle [0023] IEEE 802 PAN protocols [0023]
- IEEE-802-LAN-Protokolle [0023] IEEE 802 LAN protocols [0023]
- IEEE 802 PAN [0023] IEEE 802 PAN [0023]
- IEEE 1394 [0026] IEEE 1394 [0026]
- IEEE 1284 [0026] IEEE 1284 [0026]
- IEEE-803.11-Transceivers [0028] IEEE 803.11 Transceivers [0028]
Claims (20)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/563,101 | 2014-12-08 | ||
US14/563,101 US20160163130A1 (en) | 2014-12-08 | 2014-12-08 | Method and Apparatus for Connected Vehicle System Wear Estimation and Maintenance Scheduling |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102015120991A1 true DE102015120991A1 (en) | 2016-06-09 |
Family
ID=55974392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102015120991.8A Withdrawn DE102015120991A1 (en) | 2014-12-08 | 2015-12-02 | Method and device for wear estimation and maintenance planning for connected vehicle systems |
Country Status (3)
Country | Link |
---|---|
US (1) | US20160163130A1 (en) |
CN (1) | CN105667462A (en) |
DE (1) | DE102015120991A1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019063252A1 (en) | 2017-09-29 | 2019-04-04 | Audi Ag | Method for wear prediction and motor vehicle |
DE102018206228A1 (en) | 2018-04-23 | 2019-10-24 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining the wear of a tire of a vehicle wheel |
WO2021028148A1 (en) * | 2019-08-13 | 2021-02-18 | Audi Ag | Method for determining a user-specific configuration of a braking device, and a motor vehicle, and a computer-readable storage medium |
CN112762877A (en) * | 2020-12-28 | 2021-05-07 | 成都国铁电气设备有限公司 | Subway contact net rigid contact line abrasion early warning method and device |
DE102021201034A1 (en) | 2021-02-04 | 2022-08-04 | Continental Teves Ag & Co. Ohg | Method for determining the brake lining wear of a motor vehicle |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3359433B1 (en) * | 2015-10-07 | 2021-08-18 | Meggitt Aircraft Braking Systems Corporation | Aircraft brake condition diagnosis and prognosis |
US10419940B2 (en) * | 2015-12-21 | 2019-09-17 | Cable Television Laboratories, Inc. | Systems and methods of adaptive mitigation for shared access |
US9843877B2 (en) | 2015-12-31 | 2017-12-12 | Ebay Inc. | Sound recognition |
WO2017165284A1 (en) | 2016-03-25 | 2017-09-28 | Cummins Inc. | Systems and methods of adjusting operating parameters of a vehicle based on vehicle duty cycles |
US10039113B2 (en) | 2016-03-28 | 2018-07-31 | Bank Of America Corporation | Intelligent resource procurement system based on physical proximity to related resources |
US10796253B2 (en) | 2016-06-17 | 2020-10-06 | Bank Of America Corporation | System for resource use allocation and distribution |
US10439913B2 (en) * | 2016-07-01 | 2019-10-08 | Bank Of America Corporation | Dynamic replacement and upgrade of existing resources based on resource utilization |
US10556598B2 (en) * | 2016-11-23 | 2020-02-11 | Ge Global Sourcing Llc | Vehicle control systems and methods |
US11062536B2 (en) | 2017-02-21 | 2021-07-13 | Ford Global Technologies, Llc | Method and apparatus for statistical vehicle element failure analysis |
US10553041B2 (en) * | 2017-03-27 | 2020-02-04 | Ford Global Technologies, Llc | Method and apparatus for vehicle system wear prediction |
US20210146975A1 (en) * | 2017-05-24 | 2021-05-20 | Siemens Mobility GmbH | Condition controlling of a wear and tear element |
US10495169B2 (en) * | 2017-07-17 | 2019-12-03 | GM Global Technology Operations LLC | Brake rotor prognosis |
CN107272657B (en) | 2017-07-21 | 2020-03-10 | 北京图森未来科技有限公司 | Method and system for realizing automatic overhaul of vehicle and related equipment |
US10501064B2 (en) * | 2017-12-08 | 2019-12-10 | GM Global Technology Operations LLC | Method and apparatus for monitoring a vehicle brake |
US10731720B2 (en) * | 2018-01-26 | 2020-08-04 | Rivian Ip Holdings, Llc | Methods, systems, and media for non-contact brake pad wear determination |
WO2019171337A1 (en) * | 2018-03-09 | 2019-09-12 | Rikatec (Pty) Ltd. | Vehicle monitoring system and method |
JP7084982B2 (en) * | 2018-03-21 | 2022-06-15 | 日産自動車株式会社 | Service information notification system |
CN110362849A (en) * | 2018-04-09 | 2019-10-22 | 卡明斯公司 | Based on the dynamical system/machine part failure rate estimation used |
US11047441B2 (en) * | 2018-09-28 | 2021-06-29 | GM Global Technology Operations LLC | Brake component prognosis |
FR3089312B1 (en) * | 2018-11-29 | 2020-11-20 | Uptime | Data correlation method, monitoring method and server for implementing the methods |
WO2020154528A1 (en) * | 2019-01-23 | 2020-07-30 | Assurant, Inc. | Methods, apparatuses, and systems for monitoring and maintaining vehicle condition |
CN110411729B (en) * | 2019-08-07 | 2021-05-04 | 科大讯飞股份有限公司 | Brake pad service life prediction method and device |
US11900330B1 (en) | 2019-10-18 | 2024-02-13 | State Farm Mutual Automobile Insurance Company | Vehicle telematics systems and methods |
US11820344B2 (en) | 2019-11-01 | 2023-11-21 | Tony Hines | System to monitor and predict vehicle brake wear and related methods |
CN111027022B (en) * | 2019-11-29 | 2024-03-01 | 山东金麒麟股份有限公司 | Method for evaluating service life of brake pad |
US11608035B2 (en) | 2020-03-10 | 2023-03-21 | Zach Olson | Tire service tracking and notification |
US11521438B2 (en) | 2020-04-23 | 2022-12-06 | Zoox, Inc. | Using sound to determine vehicle health |
US11842580B2 (en) * | 2020-04-23 | 2023-12-12 | Zoox, Inc. | Predicting vehicle health |
US11482059B2 (en) | 2020-04-23 | 2022-10-25 | Zoox, Inc. | Vehicle health monitor |
CN112113504B (en) * | 2020-09-18 | 2023-01-31 | 深圳市道通科技股份有限公司 | Brake disc wear diagnosis method and wear diagnosis system |
US11961052B2 (en) * | 2020-12-15 | 2024-04-16 | Caterpillar Inc. | Systems and methods for wear assessment and part replacement timing optimization |
CN116761728A (en) * | 2021-01-06 | 2023-09-15 | 普利司通美国轮胎运营有限责任公司 | System and method for tire vertical load prediction |
CN115860575B (en) * | 2023-02-13 | 2023-05-12 | 湖南尚医康医疗科技有限公司 | Ward management method, system, equipment and storage medium based on Internet of things |
CN117807376A (en) * | 2024-02-29 | 2024-04-02 | 广东车海洋环保科技有限公司 | Data collection method and system of self-service car washer |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003044704A (en) * | 2001-07-31 | 2003-02-14 | Honda Motor Co Ltd | Method for providing service |
DE10144076A1 (en) * | 2001-09-07 | 2003-03-27 | Daimler Chrysler Ag | Method for early recognition and prediction of unit damage or wear in machine plant, particularly mobile plant, based on vibration analysis with suppression of interference frequencies to improve the reliability of diagnosis |
US6609051B2 (en) * | 2001-09-10 | 2003-08-19 | Daimlerchrysler Ag | Method and system for condition monitoring of vehicles |
DE10148214C2 (en) * | 2001-09-28 | 2003-07-31 | Daimler Chrysler Ag | Method for providing a maintenance algorithm |
US20080040152A1 (en) * | 2006-08-10 | 2008-02-14 | The Boeing Company | Systems and Methods for Health Management of Single or Multi-Platform Systems |
US20100211249A1 (en) * | 2009-02-13 | 2010-08-19 | Mcclellan Scott | System and method for detecting vehicle maintenance requirements |
US8433472B2 (en) * | 2010-08-04 | 2013-04-30 | GM Global Technology Operations LLC | Event-driven data mining method for improving fault code settings and isolating faults |
US8560165B2 (en) * | 2012-01-17 | 2013-10-15 | GM Global Technology Operations LLC | Co-operative on-board and off-board component and system diagnosis and prognosis |
FR2996192B1 (en) * | 2012-10-02 | 2015-05-01 | Eurodrive Services And Distrib N V | METHOD FOR DETERMINING THE WEAR CONDITION OF A PIECE AND INFORMATION OF A CLIENT |
US9280859B2 (en) * | 2012-10-08 | 2016-03-08 | Toyota Motor Engineering & Manufacturing North America, Inc. | Enhanced vehicle onboard diagnostic system and method |
US9165413B2 (en) * | 2013-06-03 | 2015-10-20 | Honda Motor Co., Ltd. | Diagnostic assistance |
-
2014
- 2014-12-08 US US14/563,101 patent/US20160163130A1/en not_active Abandoned
-
2015
- 2015-12-02 DE DE102015120991.8A patent/DE102015120991A1/en not_active Withdrawn
- 2015-12-08 CN CN201510895217.8A patent/CN105667462A/en active Pending
Non-Patent Citations (5)
Title |
---|
IEEE 1284 |
IEEE 1394 |
IEEE 802 PAN |
IEEE-802-LAN-Protokolle |
IEEE-803.11-Transceivers |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019063252A1 (en) | 2017-09-29 | 2019-04-04 | Audi Ag | Method for wear prediction and motor vehicle |
DE102017217404A1 (en) | 2017-09-29 | 2019-04-04 | Audi Ag | Method for wear prediction and motor vehicle |
DE102018206228A1 (en) | 2018-04-23 | 2019-10-24 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining the wear of a tire of a vehicle wheel |
WO2021028148A1 (en) * | 2019-08-13 | 2021-02-18 | Audi Ag | Method for determining a user-specific configuration of a braking device, and a motor vehicle, and a computer-readable storage medium |
US11753011B2 (en) | 2019-08-13 | 2023-09-12 | Audi Ag | Method for determining a user-specific configuration of a braking device, and a motor vehicle, and a computer-readable storage medium |
CN112762877A (en) * | 2020-12-28 | 2021-05-07 | 成都国铁电气设备有限公司 | Subway contact net rigid contact line abrasion early warning method and device |
DE102021201034A1 (en) | 2021-02-04 | 2022-08-04 | Continental Teves Ag & Co. Ohg | Method for determining the brake lining wear of a motor vehicle |
Also Published As
Publication number | Publication date |
---|---|
CN105667462A (en) | 2016-06-15 |
US20160163130A1 (en) | 2016-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015120991A1 (en) | Method and device for wear estimation and maintenance planning for connected vehicle systems | |
DE10235525B4 (en) | Method and system for monitoring the condition of a vehicle | |
DE112016006295T5 (en) | CLOUD-BASED DYNAMIC SYSTEM AND METHOD FOR VEHICLE SHARING | |
DE102015214357A1 (en) | WORK CYCLE RECORDING SYSTEM AND METHOD FOR ASSESSING THE DAMAGE AND REMAINING LIFE OF DRIVE TRAIN COMPONENTS | |
DE102015203213A1 (en) | DEVICE AND PROGRAM FOR GENERATING CORRECTION PARAMETERS FOR DIAGNOSTIC DATA | |
DE202015009955U1 (en) | Device for monitoring the operation of a vehicle braking system | |
DE102015117970A1 (en) | Personalized route indexes using crowd-based data | |
DE112018006555T5 (en) | PROGRAM CONTROLLED IDENTIFICATION OF A PERSONALITY OF AN AUTONOMOUS VEHICLE | |
DE102017111505A1 (en) | Systems and methods for retrieving data from a remote system | |
DE102015113636A1 (en) | Method and apparatus for generating road risk indices | |
DE102018103683A1 (en) | METHOD AND DEVICE FOR THE STATISTICAL ANALYSIS OF VEHICLE LOSS FAILURE | |
EP3610277B1 (en) | System and method for determining a status of a vehicle battery | |
US10553041B2 (en) | Method and apparatus for vehicle system wear prediction | |
DE102010040679A1 (en) | A method and system for performing maintenance and operational functions of a nomadic device or a computer | |
DE102015208856A1 (en) | Method and system for a vehicle computing system that communicates to a social media website | |
DE102015103403A9 (en) | Method and device of a user recommendation system for vehicle apps | |
DE102016102352A1 (en) | METHOD AND DEVICE FOR MONITORING INSUFFICIENT WELLNESS | |
CN109670970A (en) | A kind of driving behavior methods of marking, device and computer readable storage medium | |
DE102017113121A1 (en) | Method and device for automatic transmission of medical data | |
DE102016119114A1 (en) | VEHICLE PROCESSOR AND METHOD FOR TRACKING AND INDICATING VEHICLE USE AND ASSOCIATED FUEL COST | |
EP3543661B1 (en) | Temperature measuring method for a vehicle and temperature measuring system for a vehicle | |
KR101507903B1 (en) | Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index | |
KR101807210B1 (en) | Apparatus and method for managing vehicle expendable | |
US20200160348A1 (en) | Server device and information processing method | |
EP2195788B1 (en) | Method and device for detecting driving performance-related data of one or more vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G06F0019000000 Ipc: G16Z0099000000 |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |